La próxima gran pulseada de la inteligencia artificial pasa por construir sistemas capaces de comprender cómo funciona el mundo real. En la primera mitad de 2026, los fondos de capital de riesgo comprometieron más de US$ 3.000 millones en startups que desarrollan modelos del mundo, una categoría que lleva la IA más allá de los chatbots y la acerca a la robótica, los autos autónomos, los videojuegos y la simulación industrial.
La tesis que entusiasma a Silicon Valley es que, si los modelos de lenguaje aprendieron patrones del texto, la nueva generación de sistemas deberá aprender la física de un entorno. Eso implica comprender profundidad, movimiento, causalidad, gravedad, objetos, decisiones y consecuencias. Para los inversores, esa capa podría convertirse en el próximo gran activo defendible de la IA.
El fenómeno tomó escala cuando Yann LeCun dejó Meta y obtuvo una ronda inicial de US$ 1.030 millones para su nueva compañía, AMI, con una valuación de US$ 3.500 millones. La operación quedó marcada como la mayor ronda semilla de la historia europea y encendió una señal potente para el mercado.
La lista de compañías que captaron capital muestra la magnitud de la apuesta. World Labs, fundada por Fei-Fei Li, referente de Stanford, recaudó US$ 1.000 millones en febrero de 2026 y alcanzó una valuación posterior a la inversión de US$ 5.400 millones. Con esa ronda, la empresa elevó su capital total a US$ 1.230 millones. Decart, por su parte, cerró US$ 300 millones en mayo y llegó a una valuación de US$ 4.000 millones.
El mismo patrón se repitió con otras startups del sector. Odyssey, nacida del universo de los vehículos autónomos, recaudó US$ 310 millones en una Serie B de junio y alcanzó una valuación de US$ 1.450 millones. General Intuition, apenas ocho meses después de levantar una ronda semilla de US$ 133,7 millones, mantuvo conversaciones para captar cerca de US$ 300 millones con una valuación superior a US$ 2.000 millones.
Índice de temas
Qué buscan los fondos detrás de los modelos del mundo
El interés de los fondos surge en un momento de cambio para la industria. Los modelos de lenguaje más avanzados tienden a parecerse cada vez más entre sí y los márgenes de inferencia pierden atractivo a medida que baja el costo de operar estos sistemas. En ese contexto, los inversores revisan dónde puede nacer una ventaja difícil de copiar. La respuesta que gana peso es la IA física.
La diferencia no es menor. Un chatbot predice la próxima palabra. Un modelo del mundo aspira a predecir cómo se comporta un entorno. Esa capacidad podría servir para entrenar robots en fábricas, probar autos autónomos en escenarios sintéticos, crear videojuegos interactivos o desarrollar agentes capaces de actuar en espacios digitales y físicos con una lógica más cercana a la experiencia humana.
Todavía no existe una definición única sobre qué debe considerarse un modelo del mundo. Fei-Fei Li propuso una división funcional entre renderizadores, simuladores y planificadores. Los renderizadores producen imágenes para el ojo humano. Los simuladores generan estados que respetan geometría y leyes físicas. Los planificadores, en cambio, producen acciones. Esa clasificación separa las demostraciones visuales de los sistemas con potencial operativo real.
Hoy, buena parte de los productos que se presentan como modelos del mundo pertenecen al primer grupo. Generan entornos atractivos, navegables y visualmente impactantes, pero no siempre conservan una comprensión física profunda. La brecha entre una escena convincente y una simulación útil para entrenar robots o agentes todavía marca el límite tecnológico de la categoría.
En esa frontera se juegan tres carreras centrales. La primera es la consistencia en el tiempo. Genie 3, de Google DeepMind, puede crear mundos navegables a 24 fotogramas por segundo, aunque su coherencia se sostiene durante pocos minutos y su memoria de cambios ronda apenas un minuto. Para la robótica o la conducción autónoma, esa ventana resulta limitada.
Datos, física y capital en la nueva pelea de la IA
La segunda carrera pasa por la representación. World Labs trabaja con mundos anclados en splats gaussianos y motores de física. AMI, en cambio, se apoya en una arquitectura predictiva de incrustación conjunta, una vía que busca aprender representaciones abstractas de la realidad en un espacio latente comprimido en lugar de predecir fotogramas de manera directa.
La tercera disputa se centra en los datos. El archivo de juego de Medal despertó interés porque contiene video en primera persona con acciones etiquetadas, un insumo valioso para enseñar la relación entre decisión y consecuencia. Según reportes del sector, OpenAI ofreció US$ 500 millones por ese archivo antes de que General Intuition tomara vuelo propio. El atractivo de ese material radica en algo que el cómputo, por sí solo, no compra con facilidad.
Los fundadores de esta camada también revelan las raíces de la carrera. Odyssey proviene de la diáspora de los autos autónomos. Su CEO, Oliver Cameron, lideró producto en Cruise, la unidad de General Motors, mientras que su director de tecnología, Jeff Hawke, trabajó en Wayve, el laboratorio británico que levantó US$ 1.200 millones en febrero. Esa experiencia conecta a la empresa con uno de los mercados que más demanda simulaciones confiables.
En el frente académico aparecen World Labs y AMI, dos proyectos con apellidos fuertes de la investigación en inteligencia artificial. La órbita de OpenAI también pesa, aunque más por el capital y las redes de inversión. Andrej Karpathy, cofundador de OpenAI, participó como inversor ángel en Decart, junto al ex CEO de Disney Michael Eisner. Los fundadores de Decart llegaron desde la Unidad 8200 de la inteligencia militar israelí.
Otro actor atraviesa casi todas las historias de financiamiento. Nvidia comprometió más de US$ 40.000 millones en capital para IA en 2026 y respaldó a compañías como World Labs, AMI, Decart y Odyssey. Su jugada combina inversión con acuerdos de largo plazo vinculados a GPU. Amazon respondió con Trainium, su tecnología de chips para IA, y sumó como clientes a Odyssey y Decart dentro de AWS.
El entusiasmo, de todos modos, convive con dudas fuertes. Muchas de estas compañías todavía no declararon ingresos relevantes ni productos masivos, pero ya reciben valuaciones de miles de millones de dólares. Alexandre LeBrun, CEO de AMI, anticipó que varias empresas se rebautizarían como modelos del mundo para recaudar capital. Esa advertencia refleja el riesgo de una categoría que mezcla avances reales, marketing agresivo y expectativas enormes.
La prueba más exigente no será visual, sino funcional. Un modelo del mundo deberá demostrar que una política entrenada en un entorno generado funciona después en el mundo físico. Si eso ocurre, la categoría dejará de ser una promesa para videos llamativos y pasará a ser infraestructura crítica para robots, agentes y sistemas autónomos. En esa instancia, los renderizadores competirán por estética, mientras que los simuladores con geometría estable tendrán la chance de capturar el verdadero valor.
Para los fondos, 2026 se convirtió en el año de la apuesta anticipada. La pregunta ya no es qué startup tiene más usuarios, sino cuál puede construir el motor que permita a la inteligencia artificial practicar antes de actuar. En esa diferencia se explica por qué empresas sin ingresos millonarios ya valen miles de millones de dólares.
